CN111459910A - 程序优化方法、装置、计算机设备和存储介质 - Google Patents

程序优化方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111459910A
CN111459910A CN202010217256.3A CN202010217256A CN111459910A CN 111459910 A CN111459910 A CN 111459910A CN 202010217256 A CN202010217256 A CN 202010217256A CN 111459910 A CN111459910 A CN 111459910A
Authority
CN
China
Prior art keywords
program
tested
target
processing mode
optimization processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010217256.3A
Other languages
English (en)
Inventor
孟勇
贺佳
王志波
黄之怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenshuo Railway Branch of China Shenhua Energy Co Ltd
Original Assignee
Shenshuo Railway Branch of China Shenhua Energy Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenshuo Railway Branch of China Shenhua Energy Co Ltd filed Critical Shenshuo Railway Branch of China Shenhua Energy Co Ltd
Priority to CN202010217256.3A priority Critical patent/CN111459910A/zh
Publication of CN111459910A publication Critical patent/CN111459910A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2453Query optimisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21Design, administration or maintenance of databases
    • G06F16/217Database tuning

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请涉及一种程序优化方法、装置、计算机设备和存储介质。所述方法包括:根据交通数据库的历史性能数据,确定目标运行参数指标;获取待测程序的运行性能数据;在运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据。采用本方法能够在待测程序的运行性能数据不满足对应的目标运行参数指标时,确定对应的优化处理方式,以对待测程序进行精准地优化处理,提高了交通业务系统程序的优化效率,降低运维成本。

Description

程序优化方法、装置、计算机设备和存储介质
技术领域
本申请涉及交通信息技术领域,特别是涉及一种程序优化方法、装置、计算机设备和存储介质。
背景技术
在铁路交通行业,随着业务量的发展,对交通业务系统的稳定性和可用性提出了更高的要求。大多数交通业务系统的业务数据源均是关系型交通数据库,关系型交通数据库在数据库的,能够通过获取各关系型交通数据库的运行指标,判断对应的交通业务系统程序的运行状态是否健康。
然而,传统的软件开发和运维过程中,对各交通业务系统程序的优化标准和优化方式往往依赖于人工经验,存在优化效率较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够高效地优化交通业务系统的程序优化方法、装置、计算机设备和存储介质。
一种程序优化方法,包括:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
在其中一个实施例中,目标运行参数指标包括目标硬解析指标;待测程序的运行性能数据包括每秒硬解析数;
在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤包括:
在每秒硬解析数不满足所述目标硬解析指标时,确定优化处理方式为调整结构化查询语言语句;
查找待测程序中未使用绑定变量的结构化查询语句,为语句绑定对应的变量,直至待测程序的每秒硬解析数满足目标硬解析指标。
在其中一个实施例中,目标运行参数指标还包括目标登录指标;待测程序的运行性能数据还包括每秒登录数;
在运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对所述待测程序进行优化的步骤还包括:
在每秒登录数不满足所述目标登录指标时,确定优化处理方式为调整工作任务的连接方式;
确定待测程序中使用短连接设置的各工作任务,调整各工作任务的连接方式,直至待测程序的每秒登录数满足目标登录指标。
在其中一个实施例中,目标运行参数指标还包括目标配置等待指标;待测程序的运行性能数据还包括配置等待数据;
在所述运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
在配置等待数据不满足目标配置等待指标时,确定对应的优化处理方式为调整重做日志大小和/或调整SGA大小。
在其中一个实施例中,目标运行参数指标还包括目标并发等待指标;待测程序的运行性能数据还包括并发等待数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
在并发等待数据不满足目标并发等待指标时,确定优化处理方式为调整工作任务的并发度、调整系统资源;
获取待测程序中各工作任务的等待时间、执行时间和系统资源占有,调整对应的工作任务的并发度、调整系统资源,直至待测程序的并发等待数据满足目标并发等待指标。
在其中一个实施例中,目标运行参数指标还包括目标应用等待指标;待测程序的运行性能数据还包括应用等待数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
在应用等待数据不满足目标应用等待指标时,确定优化处理方式为调整结构化查询语言语句、调整系统资源和/或运行状态提醒。
在其中一个实施例中,历史性能数据为历史性能视图信息。
一种程序优化装置,所述装置包括:
目标指标确定模块,用于根据交通数据库的历史性能数据,确定目标运行参数指标;
数据获取模块,用于获取待测程序的运行性能数据;
优化处理模块,用于在运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对所述待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
上述程序优化方法、装置、计算机设备和存储介质,根据交通数据库的历史性能数据,确定目标运行参数指标,在待测程序的运行性能数据不满足对应的目标运行参数指标时,确定对应的优化处理方式,以对待测程序进行精准地优化处理,提高了交通业务系统程序的优化效率,降低运维成本。
附图说明
通过附图中所示的本申请的优选实施例的更具体说明,本申请的上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分,且并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
图1为一个实施例中程序优化方法的第一流程示意图;
图2为一个实施例中程序优化方法的第二流程示意图;
图3为一个实施例中程序优化方法的第三流程示意图;
图4为一实施例中程序优化方法的的第四流程示意图;
图5为一个实施例中程序优化装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例可运用于交通信息技术领域;在铁路交通行业,随着业务量的发展,对交通业务系统的稳定性和可用性提出了更高的要求。大多数交通业务系统的业务数据源均是关系型交通数据库,关系型交通数据库在数据库的性能视图中都会详细记录数据库各项运行指标和被程序访问的细节,并在一段时间内持续保存,能够通过获取各关系型交通数据库的运行指标,判断对应的交通业务系统程序的运行状态是否健康。然而,传统的软件开发和运维过程中,对各交通业务系统程序的优化标准和优化方式往往依赖于维护人员的专业知识,需要花费大量时间,存在优化效率较低的问题。为此,本申请实施例提供了一种程序优化方法,在待测程序的运行性能数据不满足对应的目标运行参数指标时,确定对应的优化处理方式,对待测程序进行调整,提高程序优化效率。
在一个实施例中,如图1所示,提供了一种程序优化方法,包括:
步骤S100、根据交通数据库的历史性能数据,确定目标运行参数指标;
具体地,周期性地获取交通业务系统业务数据源的各类交通数据库的历史性能数据,根据各历史性能数据,确定交通业务系统程序的目标运行参数指标。交通数据库的历史性能数据包括数据库的性能视图数据。优选地,历史性能视图信息包括各种V$开头的视图,如V$session、V$SQL、V$tablesapce、V$logfile、V$datafile等。历史性能视图信息中会详细记录数据库各项运行指标和被程序访问的细节,能够直接明确地反映各交通数据库的原始运行数据,有利于确定合适的目标运行参数指标。目标运行参数指标可包括目标硬解析指标、目标并发等待指标、目标应用等待指标、目标配置等待指标和目标其他类型等待指标等。目标运行参数指标,与待测程序的各运行性能数据对应。例如,目标其他类型等待指标与待测程序的其他类型等待数据对应。优选地,交通业务系统程序的目标其他类型等待指标为其他类型等待数据小于10%。在一个实施例中,通过对交通数据库的历史性能视图信息进行时间切片,获取一段时间内的历史性能视图信息;对一段时间内的历史性能视图信息,进行算术捆绑,得到对应的指标信息;对得到的指标信息进行算法计算得到直观的指标检测信息;根据指标检测信息,确定目标运行参数指标。其中,对交通数据库的历史性能视图信息进行时间切片,获取一段时间内的历史性能视图信息,用于根据采集回来的原始历史性能视图信息,获取到待分析的一段时间内的数据库历史性能数据,以精准地分析对应时间段的目标运行参数指标。例如,如要分析9:00~10:00之间的目标运行参数指标,就需要于9:00、10:00分别获取一次交通数据库的历史性能视图信息,然后用10:00的采样值减去9:00的,以获得这一个小时内的指标具体变化值。进而,根据段时间内的历史性能视图信息,确定的目标运行参数指标,判断待测程序是否满足目标运行参数指标,若不满足需进行优化处理。
步骤S200、获取待测程序的运行性能数据;
步骤S300、在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
具体而言,待测程序的运行性能数据可包括每秒硬解析数、每秒登录数和并发等待数等。目标运行参数指标与待测程序的各运行性能数据对应。优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
当待测程序的运行性能数据不满足对应的目标运行参数指标时,确定对应的优化处理方式,以调整待测程序的运行性能数据,直到待测数据的运行性能数据满足目标运行参数指标,此时该程序的代码质量和结构质量达到最优。本申请实施例,能够针对异常的运行性能数据进行快速、精准地优化,无需依赖人工维护,有效提高程序优化的效率。
在一个实施例中,目标运行参数指标包括目标硬解析指标;待测程序的运行性能数据包括每秒硬解析数;
如图2所示,在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤包括:
步骤S310、在每秒硬解析数不满足目标硬解析指标时,确定优化处理方式为调整结构化查询语言语句;
待测程序的每秒硬解析数,即数据库每秒产生的语句解析数量。当每秒硬解析数不满足目标硬解析指标时,表示部分常用结构化查询语句未绑定变量。当待测程序的每秒硬解析数不满足目标硬解析指标时,确定对应的优化处理方式为调整结构化查询语句。由于,各交通业务系统中存在大量逻辑类似的执行请求,当结构化查询语句使用绑定变量时,同一逻辑的执行请求只需要解析一条执行计划,而未使用绑定变量时,同一逻辑的执行请求,就会产生与执行请求数量对应的执行计划,造成每秒硬解析数不满足目标硬解析指标,影响数据库性能。
步骤S312、查找待测程序中未使用绑定变量的结构化查询语句,为语句绑定对应的变量,直至待测程序的每秒硬解析数满足目标硬解析指标。
具体而言,当待测程序的每秒硬解析数不满足目标硬解析指标时,确定对应的优化处理方式为调整结构化查询语句,通过查找待测程序中未使用绑定变量的结构化查询语句,为所述语句绑定对应的变量,对该程序进行优化处理,直到优化后的待测程序的每秒硬解析数满足目标硬解析指标。优选地,交通业务系统中,目标硬解析指标为每秒硬解析数小于15。在一个实施例中,在待测程序的每秒硬解析数不满足目标硬解析指标时,确定优化处理方式为运行状态提醒;将当前待测程序的每秒硬解析数可视化展示给运维人员。
本申请实施例中,在获取到的待测程序的每秒硬解析数不满足目标硬解析指标时,通过调整结构化查询语句的方式,优化待测程序,提高数据库系统的运行效率。
在一个实施例中,目标运行参数指标还包括目标登录指标;待测程序的运行性能数据还包括每秒登录数;
每秒登录数为待测程序每秒向数据库发起连接请求的次数。当每秒登录数过高时,就会产生大量的系统登录行为,造成系统负荷,在大量用户访问时延缓系统响应速度,造成业务处理时间过长,影响业务处理效率。示例性地,在调度系统中,一列火车的调度工作任务可由多条结构化查询语句执行,若设置为每执行一条结构化查询语句就登入登出系统一次,就会产生大量的系统登录行为,造成系统负荷。示例性地,当待测程序的每秒登录数不满足目标登录指标时,合理设置待测程序的每秒登录数。优选地,目标登录指标为每秒登录数为小于15。
如图3所示,在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
步骤S320、在每秒登录数不满足目标登录指标时,确定优化处理方式为调整工作任务的连接方式;
步骤S322、确定待测程序中使用短连接设置的各工作任务,调整各工作任务的连接方式,直至待测程序的每秒登录数满足目标登录指标。
具体而言,当待测程序的每秒登录数不满足目标登录指标时,确定优化处理方式为调整工作任务的连接方式,通过查找待测程序中需要使用短连接设置的工作任务,调整各工作任务的连接方式,避免使用短连接的工作任务多次进行登录操作,减少待测程序的每秒登录数,直至待测程序的每秒登录数满足目标登录指标,自动完成对待测程序的优化处理,降低运维的人工成本。例如,设置各工作任务应该只需登录一次数据库,即任务开始登入数据库,任务结束登出数据库,使待测程序的每秒登录数满足目标登录指标。
在一个实施例中,目标运行参数指标还包括目标配置等待指标;待测程序的运行性能数据还包括配置等待数据;
具体地,待测程序的运行性能数据还包括配置等待数据。配置等待数据为配置等待时间占请求时间的百分比。若配置等待数据过高,则表明数据库或实例存在不当配置,例如SGA(System Global Area,系统全局区)大小不合适。目标运行参数指标还包括目标配置等待指标;优选地,交通业务数据库中,目标配置等待指标为配置等待数据小于10%。
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
在配置等待数据不满足目标配置等待指标时,确定对应的优化处理方式为调整重做日志大小和/或调整SGA大小。
具体而言,重做日志(即Redo Log,也称重做日志组),包含所有的数据库变化历史,数据库的所有操作变化,均遵循先写入重做日志缓冲区再写入数据块缓冲区、先写入重做日志文件再写入数据文件。Redo-Log包括在线重做日志(Online Redo Log)与归档日志(Archive Redo Log)。
在待测程序的配置等待数据不满足目标配置等待指标时,表明该待测程序需要进一步优化,通过确定对应的优化方式为调整重做日志大小和/或调整SGA大小,根据确定的优化处理方式进行处理,提高优化待测程序的效率。在一个实施例中,在配置等待数据不满足目标配置等待指标时,确定对应的优化方式为调整重做日志,通过连接池的配置方式进行调整,连接池中的数据库能够不断重复利用,提高待测程序的配置性能。在一个实施例中,在配置等待数据不满足目标配置等待指标时,确定对应的优化方式为调整SGA大小,在适当业务空闲时间关闭数据库,用命令或图形工具设置SGA新的大小,再重新启动数据库。
在一个实施例中,目标运行参数指标还包括目标并发等待指标;待测程序的运行性能数据还包括并发等待数据;
待测程序的并发等待数据为并发类型等待占请求时间的百分比。若并发等待数据过高表明可能存在各工作任务之间资源争用、系统资源不足的问题,影响待测程序的运行性能。优选地,目标并发等待指标为并发等待数据小于12%。
如图4所示,在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
步骤S330、在并发等待数据不满足目标并发等待指标时,确定优化处理方式为调整工作任务的并发度、调整系统资源;
在待测程序的并发等待数据不满足目标并发等待指标时,确定对应的优化处理方式为调整工作任务的并发度(同时进行的工作任务数量)、调整系统资源示例性地,以提高各工作任务的处理效率。系统资源可包括计算CPU、内存、I/O输入输出速度、存储容量等。
步骤S332、获取待测程序中各工作任务的等待时间、执行时间和系统资源占有,调整对应的工作任务的并发度、调整系统资源,直至待测程序的并发等待数据满足目标并发等待指标。
具体而言,系统资源占用为工作任务执行时系统CPU和I/O等资源的消耗。获取待测程序中各工作任务的等待时间、执行时间和系统资源占有,从而确定对应的优化处理方式为调整工作任务的并发度、调整系统资源,以提高待测程序数据处理效率。示例性地,综合待测程序中各工作任务的等待时间、执行时间和系统资源占有情况,确定系统资源不够造成的并发等待,增加系统资源,直至待测程序的并发等待数据满足目标并发等待指标,以降低各工作任务的等待时间和执行时间,提高待测程序处理效率。示例性地,根据各工作任务的等待时间、执行时间和系统资源占有,确定各工作任务的优先级排序,调整待测程序的并发度,实现对系统资源的最优化利用。
示例性地,当待测程序的每秒硬解析数、每秒登录数、配置等待数据和/或并发等待数据不满足对应的目标运行参数指标时,根据具体不满足的参数指标逐一进行优化,由于每项指标对应的优化方式不同,不受每项目标运行参数指标的优化顺序限制。
在一个实施例中,目标运行参数指标还包括目标应用等待指标;待测程序的运行性能数据还包括应用等待数据;
待测程序的应用等待数据为应用资源等待时间占请求时间的百分比。若应用等待数据过高,表明系统响应较慢,可能造成整个业务系统无法高效运行。例如,调度系统中,当一个客户端系统试图更新一行列车调度数据时,另一个客户端系统正在更新同一行数据,此时,在后发起的更新请求就必须等待在先的更新请求完成后才能进行,就会造成了应用等待。在交通管理系统中,程度的应用等待数据较短是可以接受的,若应用等待数过高,会影响系统响应速度,造成客户端的响应时间过长。
目标运行参数指标还包括目标运用等待指标。优选地,目标运用等待指标为交通业务系统中应用等待数据小于5%。
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化的步骤还包括:
在应用等待数据不满足目标应用等待指标时,确定优化处理方式为调整结构化查询语言语句、调整系统资源和/或运行状态提醒。
具体而言,当待测程序的应用等待数据不满足目标应用等待指标时,确定对应的优化处理方式为调整结构化查询语句、调整系统资源和/或运行状态提醒。示例性地,当待测程序的应用等待数据过高时,确定对应的优化处理方式为运行状态提醒,能够可视化地展示当前待测程序的应用等待数据情况并进行提醒,例如声音、E-mail或短信方式提醒运维人员异常情况。本申请实施例中,在应用等待数据不满足目标应用等待指标时,确定对应的优化处理方式,并给予优化处理方式对待测程序进行优化,直到待测程序的运行性能数据满足目标运行参数指标,此时,待测程序的结构、质量得到优化,提高程序运算效率,避免过多人为干预,提高运维效率。
应该理解的是,虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种程序优化装置,包括:目标指标确定模块、数据获取模块和优化模块,其中:
目标指标确定模块,用于根据交通数据库的历史性能数据,确定目标运行参数指标;
数据获取模块,用于获取待测程序的运行性能数据;
优化处理模块,用于在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
关于程序优化装置的具体限定可以参见上文中对于程序优化方法的限定,在此不再赘述。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。上述程序优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种程序优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在运行性能数据不满足目标运行参数指标时,确定对应的优化处理方式,并基于优化处理方式对待测程序进行优化;优化处理方式,用于调整待测程序的运行性能数据;优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM,简称RDRAM)以及接口动态随机存储器(DRDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种程序优化方法,其特征在于,包括:
根据交通数据库的历史性能数据,确定目标运行参数指标;
获取待测程序的运行性能数据;
在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化;所述优化处理方式,用于调整所述待测程序的运行性能数据;所述优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
2.根据权利要求1所述的程序优化方法,其特征在于,所述目标运行参数指标包括目标硬解析指标;所述待测程序的运行性能数据包括每秒硬解析数;
所述在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化的步骤包括:
在所述每秒硬解析数不满足所述目标硬解析指标时,确定所述优化处理方式为调整结构化查询语言语句;
查找所述待测程序中未使用绑定变量的结构化查询语句,为所述语句绑定对应的变量,直至所述待测程序的每秒硬解析数满足所述目标硬解析指标。
3.根据权利要求1所述的程序优化方法,其特征在于,所述目标运行参数指标还包括目标登录指标;所述待测程序的运行性能数据还包括每秒登录数;
所述在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化的步骤还包括:
在所述每秒登录数不满足所述目标登录指标时,确定所述优化处理方式为调整工作任务的连接方式;
确定所述待测程序中使用短连接设置的各工作任务,调整各所述工作任务的连接方式,直至所述待测程序的每秒登录数满足所述目标登录指标。
4.根据权利要求1所述的程序优化方法,其特征在于,所述目标运行参数指标还包括目标配置等待指标;所述待测程序的运行性能数据还包括配置等待数据;
所述在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化的步骤还包括:
在所述配置等待数据不满足所述目标配置等待指标时,确定对应的所述优化处理方式为调整重做日志大小和/或调整SGA大小。
5.根据权利要求1所述的程序优化方法,其特征在于,所述目标运行参数指标还包括目标并发等待指标;所述待测程序的运行性能数据还包括并发等待数据;
所述在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化的步骤还包括:
在所述并发等待数据不满足所述目标并发等待指标时,确定所述优化处理方式为调整工作任务的并发度、调整系统资源;
获取所述待测程序中各工作任务的等待时间、执行时间和系统资源占有,调整对应的所述工作任务的并发度、调整系统资源,直至所述待测程序的并发等待数据满足所述目标并发等待指标。
6.根据权利要求1所述的程序优化方法,其特征在于,所述目标运行参数指标还包括目标应用等待指标;所述待测程序的运行性能数据还包括应用等待数据;
所述在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化的步骤还包括:
在所述应用等待数据不满足所述目标应用等待指标时,确定所述优化处理方式为调整结构化查询语言语句、调整系统资源和/或运行状态提醒。
7.根据权利要求1至6任意一项所述的程序优化方法,其特征在于,所述历史性能数据为历史性能视图信息。
8.一种程序优化装置,其特征在于,所述装置包括:
目标指标确定模块,用于根据交通数据库的历史性能数据,确定目标运行参数指标;
数据获取模块,用于获取待测程序的运行性能数据;
优化处理模块,用于在所述运行性能数据不满足所述目标运行参数指标时,确定对应的优化处理方式,并基于所述优化处理方式对所述待测程序进行优化;所述优化处理方式,用于调整所述待测程序的运行性能数据;所述优化处理方式包括以下方式中的任意一种或任意组合:调整结构化查询语言语句、调整工作任务的连接方式、调整重做日志大小、调整SGA大小、调整工作任务的并发度、调整系统资源和运行状态提醒。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述程序优化方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述程序优化方法的步骤。
CN202010217256.3A 2020-03-25 2020-03-25 程序优化方法、装置、计算机设备和存储介质 Pending CN111459910A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010217256.3A CN111459910A (zh) 2020-03-25 2020-03-25 程序优化方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010217256.3A CN111459910A (zh) 2020-03-25 2020-03-25 程序优化方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111459910A true CN111459910A (zh) 2020-07-28

Family

ID=71682269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010217256.3A Pending CN111459910A (zh) 2020-03-25 2020-03-25 程序优化方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111459910A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243443A (zh) * 2015-11-16 2016-01-13 国网天津市电力公司 一种大型企业非结构化平台的性能优化方法
CN108345541A (zh) * 2018-02-11 2018-07-31 北京量子智慧科技有限公司 一种程序检测方法及系统
CN109933507A (zh) * 2019-03-22 2019-06-25 北京极简智能科技有限公司 一种程序性能检测方法、系统、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243443A (zh) * 2015-11-16 2016-01-13 国网天津市电力公司 一种大型企业非结构化平台的性能优化方法
CN108345541A (zh) * 2018-02-11 2018-07-31 北京量子智慧科技有限公司 一种程序检测方法及系统
CN109933507A (zh) * 2019-03-22 2019-06-25 北京极简智能科技有限公司 一种程序性能检测方法、系统、设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李霄;王常洲;田雅;: "计算机应用系统性能测试技术及应用研究" *
甄福东;: "Oracle10g数据库系统性能优化与调整" *
魏亚楠;宋义秋;: "oracle数据库应用系统的性能优化" *
魏琦;于林林;宋旭东;: "关系数据库查询优化策略研究" *

Similar Documents

Publication Publication Date Title
US10402225B2 (en) Tuning resources based on queuing network model
CN110245023B (zh) 分布式调度方法及装置、电子设备以及计算机存储介质
US8082273B2 (en) Dynamic control and regulation of critical database resources using a virtual memory table interface
US20080288946A1 (en) States matrix for workload management simplification
US8392461B2 (en) Virtual data maintenance
CN108205469B (zh) 一种基于MapReduce的资源分配方法及服务器
CN115373835A (zh) Flink集群的任务资源调整方法、装置及电子设备
CN110187835A (zh) 用于管理访问请求的方法、装置、设备和存储介质
CN114356587B (zh) 算力任务跨区域调度方法、系统及设备
CN112052082A (zh) 任务属性优化方法、装置、服务器及存储介质
CN117271481B (zh) 数据库自动优化方法及设备
CN107798111B (zh) 一种分布式环境中大批量导出数据的方法
KR20170035797A (ko) 분산 이종 컴퓨터 시스템에서의 최적화된 잡 성능을 위한 동적 자원 재할당
CN114416849A (zh) 数据处理方法、装置、电子设备及存储介质
JP2009037369A (ja) データベースサーバへのリソース割当て方法
CN115827179B (zh) 一种物理机设备的算力调度方法、装置、设备及存储介质
CN111459910A (zh) 程序优化方法、装置、计算机设备和存储介质
US20230214252A1 (en) System and method of path execution optimization
CN115617480A (zh) 一种任务调度方法、装置、系统及存储介质
Shahmirzadi et al. Analyzing the impact of various parameters on job scheduling in the Google cluster dataset
CN118245200B (zh) 实时任务调度方法、装置、设备、存储介质和程序产品
CN117076141B (zh) 一种高适用性离线数据处理任务发布方法及系统
CN116577845B (zh) 一种数值天气预报程序的交互式试验管理系统
CN118502964B (zh) 托卡马克新经典环向粘滞力矩cuda模拟实现方法
CN116643866A (zh) 作业调度处理方法、装置、芯片、存储介质和程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination